Akreditasyon ve belgelendirme faaliyetleri için makine öğrenmesine dayalı karar destek sistemi uygulama modelinin geliştirilmesi
Development of machine learning based decision support system implementation model for accreditation and certification activities
- Tez No: 989127
- Danışmanlar: DOÇ. DR. HÜSEYİN ÇAKIR
- Tez Türü: Doktora
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu doktora tezinde, akreditasyon ve belgelendirme süreçlerinde denetçi–denetim eşleştirmesinin nesnel, sistematik ve tekrarlanabilir biçimde gerçekleştirilmesini amaçlayan bütüncül bir Karar Destek Sistemi (KDS) geliştirilmiştir. Çalışmada, farklı karar verme paradigmalarına ait yöntemlerin sıralama ve atama performansları karşılaştırmalı olarak incelenmiştir. Bu kapsamda hem Çok Kriterli Karar Verme (ÇKKV) yöntemleri (AHP, SAW, TOPSIS) hem de makine öğrenmesi tabanlı yaklaşımlar (Random Forest, Yapay Sinir Ağı) uygulanmıştır. Denetçi ve denetim süreçlerine ilişkin sayısal ve kategorik öznitelikler, ilgili standardların gerekliliklerine uygun olarak oluşturulan kural tabanlı veri üretimi yaklaşımıyla modellenmiştir. Çalışmada farklı normalizasyon tekniklerinin sıralama sonuçlarına etkisi incelenmiştir. Bu analizler, normalizasyon yöntemi seçiminin sıralama duyarlılığını belirgin biçimde etkilediğini göstermiştir. Makine öğrenmesi modelleri, ÇKKV yöntemlerinden elde edilen referans sıralamalara göre eğitilmiş ve performansları Spearman korelasyonu, MAE, MSE ölçütleriyle değerlendirilmiştir. Bulgular, YSA modelinin genel olarak daha yüksek korelasyon ve daha düşük hata değerleri elde ederek Random Forest modeline kıyasla daha istikrarlı bir sıralama performansı gösterdiğini ortaya koymuştur. Bu sonuç, makine öğrenmesi tabanlı modellerin çok kriterli sıralama problemlerinde etkili bir alternatif oluşturabileceğini göstermektedir. Elde edilen sıralama çıktıları, iki farklı atama yaklaşımıyla değerlendirilmiştir. Hungarian algoritması ile yapılan optimizasyon tabanlı atamalarda toplam sıra değeri minimize edilerek en uygun denetçi–denetim eşleşmeleri elde edilmiştir. Kriter öncelikli atama modelinde ise belirli kriterler öncelikli ağırlıklarla ele alınmış ve bu yaklaşımın bazı denetim tiplerinde Hungarian sonuçlarından farklı, ancak operasyonel olarak daha uygun eşleşmeler ürettiği gözlemlenmiştir. Sonuç olarak çalışma, normalizasyon seçiminin sıralama duyarlılığı üzerindeki etkisini, makine öğrenmesi yöntemlerinin sıralama doğruluğundaki katkısını ve atama stratejilerinin operasyonel farklılıklarını nicel olarak ortaya koymaktadır. Bulgular, makine öğrenmesi yöntemlerinin çok kriterli sıralama ve atama problemlerinde yüksek korelasyon ve düşük hata değerleriyle başarılı sonuçlar verdiğini; bu sayede, geleneksel karar verme yöntemlerine kıyasla daha esnek, ölçeklenebilir ve veri güdümlü çözümler sunabileceğini göstermektedir.
Özet (Çeviri)
This doctoral study develops a comprehensive Decision Support System (DSS) designed to ensure an objective, systematic, and reproducible assessor–assessment assignment process within accreditation and certification activities. The study comparatively examines the ranking and assignment performance of methods derived from different decision-making paradigms. In this context, both Multi-Criteria Decision-Making (MCDM) methods (AHP, SAW, TOPSIS) and machine learning–based approaches (Random Forest, Artificial Neural Network) were applied. Quantitative and categorical attributes related to assessors and assessments were modeled using a rule-based data generation approach constructed in accordance with the requirements of relevant standards. The study investigated the impact of different normalization techniques on ranking results, and the analyses revealed that the choice of normalization method significantly influences the sensitivity of ranking outcomes. The machine learning models were trained using the reference rankings obtained from MCDM methods, and their performances were evaluated through Spearman correlation, MAE, and MSE metrics. The findings indicated that the artificial neural network model achieved higher correlation and lower error values, demonstrating a more stable ranking performance compared to the Random Forest model. This result shows that machine learning–based models can serve as an effective alternative in solving multi-criteria ranking problems. The obtained ranking outputs were further analyzed through two assignment approaches. In Hungarian algorithm–based optimization, total ranking cost was minimized to achieve the most suitable assessor–assessment matches. In the criteria-prioritized assignment model, specific criteria were weighted more heavily, and it was observed that this approach produced results differing from the Hungarian algorithm, yet yielding operationally more appropriate matches for certain types of assessments. In conclusion, the study quantitatively reveals the effect of normalization selection on ranking sensitivity, the contribution of machine learning methods to ranking accuracy, and the operational differences arising from alternative assignment strategies. The findings demonstrate that machine learning techniques can achieve high correlation and low error in multi-criteria ranking and assignment problems, thereby providing more flexible, scalable, and data-driven solutions compared to traditional decision-making approaches.
Benzer Tezler
- Coğrafi veriye analitik bilgiye dayalı denizcilik okulları segmentasyonu ve kalite değerlendirmesi
Segmentation and quality evaluation of maritime training institutes based on geographical data and analitical information
ESAT GÜZEL
Doktora
Türkçe
2021
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ PELİN BOLAT
- Moleküler laboratuvarda kalite kontrol ve akreditasyona ön hazırlıkta yapılan iyileştirme çalışmaları
Amendment studies for preliminary work of quality control and accreditation of molecular laboratories
ASUMAN ERASLAN
Tıpta Uzmanlık
Türkçe
2010
BiyokimyaÇukurova ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. ABDULLAH TULİ
- Türkiye'de kalite akreditasyonu ve TÜRKAK
The quality accreditation in Turkey and TÜRKAK
MEHMET CEYLAN
Yüksek Lisans
Türkçe
2009
Kamu YönetimiMuğla ÜniversitesiKamu Yönetimi Ana Bilim Dalı
PROF. DR. NAMIK KEMAL ÖZTÜRK
- Yetkilendirilmiş belgelendirme kuruluşlarının (YBK) kalite ile iş sağlığı ve güvenliği (İSG) açısından değerlendirilmesi
Evaluation of authorized certification organizations (YBK) in terms of quality with occupational health and safety (OHS)
İSRAFİL YURTTAŞ
Yüksek Lisans
Türkçe
2022
Çalışma Ekonomisi ve Endüstri İlişkileriİstanbul Aydın ÜniversitesiKalite Yönetimi ve Kalite Güvence Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP FERİDE OLCAY
- Belgelendirme kuruluşlarının yetkilendirilmesinde kullanılan kriterlerin çok ölçütlü karar verme yöntemleriyle değerlendirilmesi
Assesment of criteria considered at authorization of certification bodies with the methods of multiple criteria decision making
YAPRAK AKÇAY ZİLELİ
Yüksek Lisans
Türkçe
2013
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BİLAL TOKLU